广州优化网站关键词酒店机票搜索量暴涨

1.点云读入

• 读入文件（配套点云下载链接）

# 读取点云
pcd = o3d.io.read_point_cloud("point_cloud_00000.ply")

• 配套点云颜色为白色，open3d的点云显示默认背景为白色，所以将点云颜色更改为黑色

pcd.colors = o3d.utility.Vector3dVector(np.zeros(np.array(pcd.colors).shape))

• 显示点云

o3d.visualization.draw_geometries([pcd])

2.平面分割

• RANSAC方法寻找最大平面（RANSAC方法可以在干扰点存在的情况下拟合数据，需要给定拟合方程，通过在数据中随机选取指定个数的点来求解方程参数，然后看所有数据中有多少数据满足所求解得到的方程，如果数量超过设定阈值，就完成拟合）
• 注意，RANSAC方法随机选点，所以结果会具有一定的随机性，特别是干扰点较多的时候，两次运行可能会得到不一样的结果

plane_model, inliers = pcd.segment_plane(distance_threshold=1 * 1e-3,ransac_n=3,num_iterations=1000)

• 关键参数：
  • distance_threshold：点到平面的最小距离，越小结果越精准
  • ransac_n：求解平面方程所需的随机点个数
  • num_iterations：随机平面被采样和验证的次数（随机选取点的次数，越大越可能得到正确结果，但会越慢）
• 返回参数：
  • plane_model：平面标准方程参数（将平面返回为（a，b，c，d），使得对于平面上的每个点（x，y，z））
  • inliers：内点（满足平面方程的点）的索引列表

[a, b, c, d] = plane_model
print(f"Plane equation: {a:.2f}x + {b:.2f}y + {c:.2f}z + {d:.2f} = 0")

Plane equation: 0.00x + -0.01y + 1.00z + -0.44 = 0

3.内点提取与可视化显示

• 提取内点并涂色：

inlier_cloud = pcd.select_by_index(inliers)
inlier_cloud.paint_uniform_color([1.0, 0, 0])

• 保留外点：（通过内点索引取反）

outlier_cloud = pcd.select_by_index(inliers, invert=True)

• 内点外点同时可视化：

o3d.visualization.draw_geometries([inlier_cloud, outlier_cloud])

4.整体代码

import open3d as o3d
import numpy as nppcd = o3d.io.read_point_cloud('duanmian/1/point_cloud_00000.ply')
points = np.array(pcd.points)
colors = np.zeros(np.array(pcd.points).shape[0])
pcd.colors = o3d.utility.Vector3dVector(np.zeros(np.array(pcd.colors).shape))
#o3d.visualization.draw_geometries([pcd])plane_model, inliers = pcd.segment_plane(distance_threshold=1 * 1e-3,ransac_n=3,num_iterations=1000)
[a, b, c, d] = plane_model
print(f"Plane equation: {a:.2f}x + {b:.2f}y + {c:.2f}z + {d:.2f} = 0")inlier_cloud = pcd.select_by_index(inliers)
inlier_cloud.paint_uniform_color([1.0, 0, 0])
outlier_cloud = pcd.select_by_index(inliers, invert=True)
o3d.visualization.draw_geometries([inlier_cloud, outlier_cloud])